Мультифрактальний аналіз варіабельності ритму серця

Abstract

Мета роботи: дослідження ефективності застосування мультифрактального аналізу для розрізнення нормального синусового ритму та фібриляції передсердь за допомогою моделей машинного навчання. Результати дослідження: в результаті роботи було доведено високу інформативність ознак, отриманих методом мультифрактального детрендованного аналізу, для розрізнення норми та патології серцевого ритму. Модель машинного навчання було побудовано для виявлення закономірностей, що вказують на патології та порушення варіабельності ритму серця. Отримані результати можуть бути використані при розробці програмних систем автоматизованого скринінгу та підтримки прийняття діагностичних рішень для попереднього виявлення пацієнтів з ознаками аритмії.

Objective of the Work: To investigate the effectiveness of applying multifractal analysis for distinguishing between normal sinus rhythm and atrial fibrillation using machine learning models. Research Results: As a result of the study, the high informativeness of the features obtained through the multifractal detrended analysis method for distinguishing between normal and pathological heart rhythm was demonstrated. A machine learning model was developed to identify patterns indicative of cardiac rhythm abnormalities and impaired heart rate variability. Practical Significance: The obtained results can be utilized in the development of software systems for automated screening and decision support in diagnostics, aimed at the early detection of patients with signs of arrhythmia.